关于飞桨的推广问题
收藏
刚刚百度客服打电话回访，和客服说了些关于飞桨的一些问题，客服说会反馈给飞桨团队。
个人认为百度飞桨的推广可以做一些改进。
先说下当下的现状。
看了百度出的7天学强化学习，里面要用的parl框架（个人觉得parl框架不如直接用fluid简单，可能我研究的东西比较简单。还有一层原因，因为tf没有parl框架，用了parl怕以后不好和tf对接）
看完了强化学习的DQN知识，我想代码实现下，于是百度搜索相关代码。结果是tf 实现DQN， pytorch实现DQN。。。。。没有一个paddle 实现DQN的，其他的深度学习的情况也比较相同
虽然想支持国产，但是这种情况有心无力。
个人对飞桨推广的建议。
1.对于一些常见的深度学习问题，强化学习问题，让一些博主写文章利用飞桨解决。然后百度一搜相关问题，出现飞桨对这些问题的解决。（当下真的是百度一搜全是tf， torch，感觉只有一小部分人再玩paddle，而且有点关起门来玩的样子）
2.关于AI社区的问题，我没有怎么逛ai社区。之前研究RT-thread的时候看过他们的社区好像有专门的人在社区解答问题。感觉AI社区可以借鉴下。
3.关于百度出品的课程。不太清除百度出品这些课程是面向研究人员还是工业应用。有些问题例如有一起的yolo问题，好像是直接调用模型解决的，感觉这样有些的细致的问题讲解的不够。可能对于研究人员来说不太。。。。
以上仅个人看法，可能很多问题很片面。虽然很片面，但还是希望能够被官方采纳。因为有的问题真的是，想用飞桨，但是没有好的例程。
0
收藏
课程里也有讲解决问题的思路和算法的
有一本教材，算法讲得更细致些。再基础的算法就和用什么框架没多大关系了，网上有好多
这么搜效果好些
算法都清楚，但是代码怎么实现，不同的代码有不同的写法。DQN算法大家都很清楚，关键的一步在于怎么同步参数到另一网络中去，如果没有实例的话单靠自己探索这个有点难度太大了。DQN不用parl，用fluid也可以解决，我看过一个人写的这个代码。很多很多东西大家都清楚算法，但是怎么用paddle 来实现是个问题。现在的问题是用paddle解决经典问题的实例不是很多，例如用fluid解决DQN。我就只看到了一篇文章。至于你说的PARL，个人感觉用PARL来写policy gradient 没有直接用fluid来写简单，因此对于parl不是很感冒。但是百度大厂开发PARL框架肯定是有用的，可能我的认知太少了，还无法理解parl的好处。
有个评测里介绍过，Paddlepaddle比较偏应用，用官方给的一大堆模型库跑baseline很容易，但是对搞学术的不太友好
确实，不过paddlehub的模型种类能在多一点就好了
多提提issue，嘿嘿
我把自己的tensorflow代码移植到了paddle上，由于一些Layer的功能是自己定义的，用paddle跑结果很差。
不知道怎么回事。tensorflow的准确率可以到95%，但是Paddle只有40%，也许是我自己编错了。
哎，这两天给搞的心累。
感觉没有官方实现参考的话，搬运模型很不容易
所以放弃了。。。
各个框架实现某种算法都会有自己的tricks，或多或少都有些不同，paddle的开源算法确实有点少，需要加大推广~
get了，这个我也赞同。希望社区有越来越多的算法实现项目
希望Paddle后续版本能都照顾到，即能快速部署工业应用，又能进行前沿研究。我想Paddle团队也是希望如此的吧
静态图转动态图那个loss不下降解决了么？
解决了。
是因为在创建训练器的时候，一些需要训练的参数还没有创建。
而我把优化器只定义了一次，所以就一直不训练它了。
所以把优化器的创建放到loss后向传播之前就行了。